Judul penelitian sebaiknya singkat padat dan mewakili seluruh isi penelitian kita Maksimal hanya terdiri dari 8-12 kata Tidak ada singkatan Tidak menggunakan kata-kata redundant (study on, research on, dsb) Judul penelitian wajib memuat: Metode yang Diusulkan Tujuan Penelitan Obyek Penelitian

1. Modul ke
04Fakultas
Program Studi
Teknik
Informatika
Riset Teknologi Informasi
Oleh :
Viddi Mardiansyah, S.Si., M.T.
Sriyani Violina, S.T., M.T.
Ulil Surtia Zulpratita, S.T., M.T.

2. Riset Teknologi Informasi
Paper Review Presentation I

3. Judul penelitian sebaiknya singkat padat dan mewakili seluruh isi
penelitian kita
Maksimal hanya terdiri dari 8-12 kata
Tidak ada singkatan
Tidak menggunakan kata-kata redundant (study on, research on, dsb)
Judul penelitian wajib memuat:
Metode yang Diusulkan
Tujuan Penelitan
Obyek Penelitian
3
JUDUL PENELITIAN

4. Hindari kata “berbasis”, harus lebih jelas sebenarnya tujuan apa, masalahnya apa,
dan solusinya yg ditawarkan juga apa
Prediksi Produksi Padi dengan Menggunakan SVM berbasis PSO (X)
Pemilihan Parameter pada SVM dengan menggunakan PSO untuk Prediksi Produksi Padi (O)
4
JUDUL PENELITIAN

5. Metode + Tujuan + Obyek
Penerapan Algoritma Semut untuk Pemilihan Arsitektur Jaringan pada Neural
Network untuk Pengujian Software Metode Blackbox
Penerapan Algoritma A* yang Diperbaiki untuk Pencarian Lahan Parkir Kosong di
Mall dan Supermaket
Penggabungan Forward Selection dan Backward Elimination untuk Pemilihan
Fitur pada Prediksi Mahasiswa DO dengan menggunakan Algoritma C4.5
5
CONTOH JUDUL PENELITIAN

6. Tanpa disertai gelar akademik
Hanya yang memberikan kontribusi signifikan yang berhak dicantumkan sebagai
penulis
Mencantumkan nama lembaga asal penulis
Disertai alamat untuk korespondensi (alamat surat atau email penulis)
6
PENULIS

7. STRUKTUR TESIS – BAB I
Bab I Pendahuluan
1.1 Latar Belakang Masalah
1.2 Identifikasi Masalah (Research Problems)
1.3 Rumusan Masalah (Research Questions)
1.4 Tujuan Penelitian (Research Objectives)
1.5 Manfaat Penelitian
1.6 Sistematika Penulisan
7

8. Ikuti pola latar belakang masalah 6 Pola Alur yang
disingkat OMKKMasaSolTu,
1. obyek penelitian (O)
2. metode-metode yang ada (M)
3. kelebihan dan kelemahan metode yang ada (KK)
4. masalah pada metode yang dipilih (MASA)
5. solusi perbaikan metode (SOL)
6. rangkuman tujuan penelitian (TU)
8
LATAR BELAKANG MASALAH

9. LATAR BELAKANG MASALAH (2)
Jangan meletakkan sitasi untuk referensi pada akhir
paragraf (Berndtsson, 2009)
Satu pernyataan yang mensitasi ke banyak reference harus
dilakukan dengan hati-hati
Kalimat dalam satu paragraf harus berisi satu pokok
pikiran.
Antar paragraf harus dibuat mengalir (ada kohesi),
bersambungan, dengan alur cerita yang runut
• .

10. Masalah penelitian yang kita angkat harus dilandasi dengan publikasi paper yang kuat
(usahakan dari paper journal ber-impact factor tinggi, tidak dari conference
procedings)
Harus dipahami bahwa tujuan latar belakang masalah adalah memberi argumentasi
bahwa masalah penelitian yg diangkat adalah valid
Tidak menggunakan kata “peneliti atau penulis”, tapi membuat kalimat jadi pasif,
contoh:
Peneliti akan mencoba memecahkan masalah tersebut dengan metode A (X)
Pada penelitian ini, metode A akan diterapkan untuk memecahkan masalah
tersebut (O)
10
LATAR BELAKANG MASALAH (3)

11. Recent work has reported that the importance of
computers in industry cannot be overestimated. Several
useful services (such as booking train tickets) rely on
computers. However, the importance of using computers in
our everyday life has been questioned. It has been argued
that having too many computers in our everyday life causes
security problems, since people cannot protect their
computers from hackers and Internet viruses. The
researchers are still debating these hot topics (Jones,
1993).
11
CONTOH SITASI YANG SALAH

12. Recent work has reported that the importance of
computers in industry cannot be overestimated. Several
useful services (such as booking train tickets) rely on
computers (Bridge, 2010). However, the importance of
using computers in our everyday life has been questioned.
It has been argued that having too many computers in our
everyday life causes security problems (Jones, 1993), since
people cannot protect their computers from hackers and
Internet viruses. The researchers are still debating these
hot topics. So, we need new finding and research results on
these topics.
12
CONTOH SITASI YANG SUDAH DIPERBAIKI

13. Recent work has reported that the importance of
computers in industry cannot be overestimated. Several
useful services (such as booking train tickets) rely on
computers. However, the importance of using computers in
our everyday life has been questioned. It has been argued
that having too many computers in our everyday life causes
security problems, since people cannot protect their
computers from hackers and Internet viruses. The
researchers are still debating these hot topics (Jones, 1993)
(Lessmann, 2007) (Zhang, 2009). So, we need new finding
and research results on these topics.
13
CONTOH SITASI KE BANYAK REFERENCE

14. Various types of classification algorithms have been
applied for software defect prediction, including logistic
regression (Denaro 2000), decision trees (Khoshgoftaar &
Seliya, 2002) (Khoshgoftaar & Gao, 2009), neural networks
(Park et al. 2011) (Wang & Yu 2004) (Zheng 2010), naive
bayes (Menzies et al. 2007). This research is focused and
concerned with the third approach.
14
CONTOH SITASI KE BANYAK REFERENCE

15. KIAT MENYUSUN LATAR BELAKANG MASALAH*
1. Latar belakang masalah penelitian harus menjawab semua pertanyaan
MENGAPA (WHY) dari judul penelitian kita. Bila judul penelitian: Prediksi
Produksi Padi dengan menggunakan Support Vector Machine berbasis Particle
Swarm Optimization, maka latar belakang masalah harus bisa menjawab
pertanyaan:
1. mengapa padi?
2. mengapa prediksi produksi padi?
3. mengapa support vector machine?
4. mengapa particle swarm optimization?
15

16. RESEARCH BACKGROUND
1. Padi adalah komoditas yang penting di china, karena tingkat produksinya tinggi
(FAO Report, 2009) (1. mengapa padi?). Produksi padi perlu diprediksi dengan
akurat, karena hasil prediksi yang akurat sangat penting untuk membuat kebijakan
nasional (Traill, 2008) (2. mengapa prediksi produksi padi?).
[1. obyek penelitian (O)]
2. Metode prediksi rentet waktu seperti Support Vector Machine (SVM) (Yongsheng,
2008), Neural Network (NN) (Tseng, 2007) dan Grey Model (GM) (Wu, 2007)
diusulkan oleh banyak peneliti (Huifei, 2009) untuk prediksi produksi padi.
[2. metode-metode yang ada]
16

17. RESEARCH BACKGROUND
3. NN memiliki kelebihan pada prediksi nonlinear, kuat di parallel processing dan
kemampuan untuk mentoleransi kesalahan, tapi memiliki kelemahan pada
perlunya data training yang besar, over-fitting, lambatnya konvergensi, dan
sifatnya yang local optimum (Rosario, 2007). GM punya kelebihan di tingginya
akurasi prediksi meskipun menggunakan data yang sedikit, akan tetapi GM
memiliki kelemahan pada prediksi data yang sifatnya naik turun secara fluktuatif
seperti pada data produksi padi (Wu, 2007). [3. kelebihan dan kelemahan
metode yang ada]
17

18. RESEARCH BACKGROUND
4. SVM dapat memecahkan masalah NN dan GM, yaitu over-fitting, lambatnya
konvergensi, dan sedikitnya data training (Vapnik, 2005), yang mana ini tepat
untuk karakteristik data produksi padi pada penelitian ini (3. mengapa support
vector machine?). Tetapi SVM memiliki kelemahan pada sulitnya pemilihan
parameter SVM yang optimal (Coussement, 2008).
[4. masalah pada metode yang dipilih]
5. Particle Swarm Optimization (PSO) adalah metode optimisasi yang terbukti
efektif digunakan untuk memecahkan masalah optimisasi multidimensi dan
multiparameter pada pembelajaran pada machine learning seperti di NN, SVM,
dan classifier lain (Brits, 2009) (4. mengapa particle swarm optimization?).
[5. solusi perbaikan metode]
6. Pada penelitian ini PSO akan diterapkan untuk pemilihan parameter SVM yang
sesuai dan optimal, sehingga hasil prediksi lebih akurat. [6. rangkuman tujuan
penelitian]
18

19. Harus merangkumkan suatu masalah penelitian dari uraian pada latar belakang
masalah
Menemukan masalah bisa dari future work peneliti lain yg ada di paper technical,
biasanya diletakkan di dalam conclusion
Masalah juga kadang bisa ditemukan dari paper review, khususnya yang membahas
tentang problems atau challenge pada topic penelitian itu
Contoh :
SVM dapat memecahkan masalah NN dan GM, yaitu ‘over-fitting’, lambatnya
konvergensi, dan sedikitnya data training, akan tetapi SVM memiliki kelemahan pada
sulitnya pemilihan parameter SVM yang optimal sehingga menyebabkan tingkat
akurasi prediksi menjadi rendah
19
MASALAH PENELITIAN (RESEARCH PROBLEM)

20. RUMUSAN MASALAH (RESEARCH QUESTION)
Pertanyaan penelitian: how, how does, what .. But not “how to”
Pertanyaan penelitian menggantikan hipotesis
Gunakan kalimat tanya seperti bagaimana, seberapa
efisien/akurat/cepat, dsb
Pertanyaan pada rumusan masalah itu, akan dijawab oleh
eksperimen penelitian kita, dan dirangkumkan secara lugas,
jelas di bagian kesimpulan
Jumlah eksperimen dan hasil yang dilakukan (Bab Hasil dan
Pembahasan), ditentukan oleh jumlah research question (RQ)
pada penelitian kita
Uraikan dalam bentuk point-point apabila rumusan masalah
lebih dari satu sehingga mudah dipahami
Contoh : Seberapa tinggi akurasi metode SVM apabila PSO
diterapkan pada proses pemilihan parameter yang optimal?
20

21. TUJUAN PENELITIAN (RESEARCH OBJECTIVE)
Tujuan pada hakekatnya adalah judul, yang diuraikan
dengan lebih detil atau spesifik
Harus memuat metode dan tujuan beserta pengukurannya
(sinkron dengan masalah)
Uraikan dalam bentuk point-point apabila tujuan lebih dari
satu sehingga mudah dipahami
Contoh :
Menerapkan PSO untuk pemilihan parameter yang sesuai
(C, gamma dan epsilon) pada Support Vector Machine
(SVM), sehingga hasil prediksinya lebih akurat
21

22. Hal baik yg datang setelah tujuan penelitian tercapai, baik dari sisi teoritis maupun
organisasi
Manfaat bukan mengulang-ulang tujuan
Uraikan dalam bentuk point-point sehingga mudah dipahami
22
MANFAAT PENELITIAN

23. Terima Kasih Atas Perhatiannya
Dosen Pengampu
Viddi Mardiansyah, S.Si., M.T.
Sriyani Violina, S.T., M.T.
Ulil Surtia Zulpratita, S.T., M.T.